PENERAPAN DATA MINING UNTUK MENGOLAH DATA IMPOR EKSPOR IKAN DENGAN MENGGUNAKAN METODE ASSOCIATION RULE
|
|
- Sugiarto Hermawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN DATA MINING UNTUK MENGOLAH DATA IMPOR EKSPOR IKAN DENGAN MENGGUNAKAN METODE ASSOCIATION RULE Ratih Puspasari1), Irma Yanti Buluran2) 1), 2) Manajemen Informatika Universitas Potensi Utama Sistem Informasi Universitas Potensi Utama Jl.K.L. Yos Sudarso Km. 6,5 No. 3A Tanjung Mulia Medan puspasariratih21@yahoo.com1) 3) ABSTRAK Penerapan data mining pada penelitian ini merupakan penerapan yang dilakukan untuk mengolah data impor dan data ekspor ikan. Algoritma yang digunakan untuk mendapatkan rule based minning adalah association rule. Penerapan data mining dengan metode association rule dirancang dengan vb.net 2010 dan database sql server Proses mining ini dilakukan untuk mengambil informasi support dan confidence, dimana pada penelitian ini data impor dan ekspor yang diolah untuk membantu perusahaan dalam menentukan letak atau posisi penyimpanan produk impor dan ekspor berdasarkan tujuan Negara impor dan ekspor tersebut. Metode association rule ini sangat sesuai untuk pengklasifikasian item-item transaksi yang ada. Maka aplikasi yang akan dirancang ini diharapkan dapat membantu proses data mining untuk pengolahan data impor ekspor ikan. Keyword : Data Mining, Metode Association Rule 1. Pendahuluan Pemanfaatan data yang ada di dalam sistem informasi untuk menunjang kegiatan pengambilan keputusan. Tidak cukup hanya menghandalkan data operasional saja. Dibutuhkan suatu analisis data untuk menggali potensi potensi informasi yang sudah ada. Para pengambil keputusan atau Decission Maker berusaha untuk menggali informasi yang berguna membantu mengambil keputusan. Hal ini mendorong munculnya cabang ilmu baru untuk mengatasi masalah penggalian informasi atau pola yang penting atau menarik dari data dalam jumlah besar, yang kita sebut sebagai Data Mining. Pada Stasiun Karantina Ikan, Pengendalian Mutu dan Keamanan Hasil Perikanan Kelas I Medan II terdapat proses penelitian impor dan ekspor ikan, dimana dalam proses tersebut akan menghasilkan realisasi data penelitian impor ekspor ikan sebagai informasi yang bermutu untuk pengetahuan yang bermanfaat sebagai acuan rincian hasil kerja dari penelitian ikan yang akan diimpor dan diekspor oleh stasiun karantina ikan. Dengan Penerapan data mining di dalam pengolahan data impor ekspor ikan pada Stasiun Karantina Ikan, Pengendalian Mutu dan Keamanan Hasil Perikanan Kelas I Medan II akan sangat membantu proses kerja dari kegiatan impor ekspor ikan, sehingga tidak membutuhkan waktu yang lama dalam proses penggalian data di gudang database. Sesuai dengan judul yang diambil oleh penulis, maka penulis mengidentifikasi masalahnya sebagai berikut: 1. Minimnya waktu untuk menggali informasi yang berharga dari proses impor dan ekspor ikan. 2. Sulitnya memahami aplikasi pengolahan data mining dengan metode association rules. 3. Banyaknya informasi yang berharga harus diterapkan ke dalam database. Adapun yang menjadi tujuan dalam penulisan penelitian ini adalah: 1. Untuk membangun sebuah sistem yang dapat memberikan informasi yang berharga tentang pengolahan data impor dan ekspor. 2. Untuk merancang penerapan data mining yang dapat digunakan untuk memberikan informasi tentang hasil penelitian ikan impor dan ekspor 3. Menjadi aplikasi pendukung bagi Perusahaan dan pegawai lainnya untuk mendapatkan informasi dengan cepat dan mudah. 2. Pembahasan Data mining merupakan proses yang menggunakan teknik statistic, matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Algoritma asosiasi merupakan suatu bentuk algoritma dalam data mining yang memberikan informasi hubungan antar item data di database.[2] Beberapa teknik dan sifat data mining adalah sebagai berikut : a. Classification (Predictive) b. Clustering (Descriptive) c. Association Rule Discovery (Descriptive) d. Sequential Pattern Discovery (Descriptive) e. Regression (Predictive) f. Deviation Detection (Predictive)[3] Kaidah Asosiasi atau Association rules merupakan mendeteksi kumpulan atribut atribut yang muncul bersamaan (co-occur) dalam frekuensi yang sering, dan membentuk sejumlah kaidah dari kumpulan kumpulan tersebut
2 Association rule merupakan sebuah ekspresi implikasi yang berbentuk X Y, dimana X dan Y merupakan disjoint itemset (X Y)=Ø. Contoh : {Pena, Tinta} {Jus}. Dalam association rule, kita dapat menghitung support dan confidence. Confidence menyatakan seberapa sering item-item Y muncul dalam transaksi yang berisi X. Tujuan dari association rule mining adalah untuk mmenemukan semua aturan yang mempunyai support minsup dan confidence minconf. Pendekatan bruteforce untuk association rule mining menggunakan pendekatan dengan menghitung support dan confidence dari semua kemunginan rule.[3] Contoh : Jika diketahui data transaksi pada table 1 berikut: Tabel 1. Tabel Transaksi Id_Trans Items 1 Bread, Milk 2 Bread, Diaper, Beer, Eggs 3 Milk, Diaper, Beer, Coke 4 Bread, Milk, Diaper, Beer 5 Bread, Milk, Diaper, Coke Maka support dan confidence dari association rule sebagai berikut : {Milk, Diaper} {Beer} (s = 0.4, c = 0.67) {Milk, Beer} {Diaper} (s = 0.4, c = 1.0) {Diaper, Beer} {Milk} (s = 0.4, c = 0.67) {Beer} {Milk, Diaper} (s = 0.4, c = 0.67) {Diaper} {Milk, Beer} (s = 0.4, c = 0.5) {Milk} {Diaper, Beer} (s = 0.4, c = 0.5) Semua rule di atas merupakan partisi biner dari itemset yang sama : {Milk, Diaper, Beer}. Rule yang berasal dari itemset yang sama mempunyai support yang identik tetapi mempunyai confidence yang berbeda, sehingga kita dapat memasangkan ulang untuk keperluan support dan confidence. Dari observasi dengan menggunakan contoh di atas maka dapat digunakan pendekatan dua langkah yaitu : 1. FrequentItemset Generation Yaitu membangkitkan semua itemset s yang support3 minsup. 2. Rule Generation Yaitu membangkitkan rule dengan confidence tinggi dari setiap frequentitemset, dimana setiap rule merupakan partisi biner dari sebuah frequentitemset.[3] Representasi pengetahuan merupakan metode yang digunakan untuk penerapan data mining terhadap proses pengolahan data impor dan data ekspor. Dimana metode yang digunakan adalah metode asociation rule, dengan metode ini penulis dapat melakukan klasifikasian dari proses pengolahan data khususnya pengklasifikasian produk impor dan ekspor yang terjadi dalam transaksi yang bersamaan berdasarkan negara impor dan negara ekspor. Basis pengetahuan yang diterapkan dalam sistem mining ini akan digunakan untuk menentukan proses penggalian informasi baru dari gudang data yang menumpuk. Hasil yang diperoleh setelah melakukan penerapan aplikasi dengan data mining yaitu dengan melakukan proses mining data impor dan ekspor yang telah dieksekusi dalam perhitungan support dan confidence. Tabel transaksi impor dan tabel transaksi ekspor sebagai sample data untuk mengetahui penerapan mining berdasarkan association rule adalah seperti ditunjukkan oleh tabel 2 dan tabel 3 dibawah ini: Tabel 2. Transaksi impor Tabel 2 adalah tabel transaksi impor yang terjadi selama 1 bulan. Namun item produk yang terdapat di dalam transaksi impor telah diinisialisasikan oleh penulis agar mudah dalam proses perhitungan dengan metode association rules-nya. Inisialisasinya yaitu : A = FISHERY PRODUCTS B = FROZEN AND COOKED FISH C = FROZEN SEA FISH D = FROZEN AQUATIC PRODUCT E = SALTED AQUATIC PRODUCT F = SALTED JELLYFISH G = SHELLFISH PRODUCTS H = FROZEN CRAB MEAT
3 Tabel 3. Representasi Biner untuk Data Transaksi Impor Berdasarkan persamaan (2) dari data transaksi impor yang dipakai sebagai sampel perhitungan data mining dengan association rule, maka diketahui support minimumnya sebesar 0.1, sehingga nilai supcount ditunjukkan pada Tabel 4, 5, 6. Tabel 4. Calon Frequent- 1 ItemSet Tabel 5. Daftar Frequent 1-Itemset Tabel 6. Calon Frequent 2-Itemset Data transaksi impor pada tabel 1 dapat diubah representasinya menjadi biner seperti pada tabel 3 setiap baris berkorelasi dengan transaksi yang dilakukan; setiap kolom berkorelasi dengan satu item (produk). Nilai untuk item adalah 1 jika item tersebut ada di dalam data transaksi, atau 0 jika item tidak ada di dalam data transaksi. Selanjutnya untuk menentukan nilai support dan confidence dari data transaksi impor, penulis menggunakan aturan asosiasi dengan bentuk pernyataan implikasi X Y, dimana X dan Y adalah itemset yang lepas (disjoint), yang memenuhi persyaratan X Y={}. Kekuatan aturan asosiasi dapat diukur dengan support dan confidence. Support digunakan untuk menentukan seberapa banyak aturan dapat diterapkan pada set data, sedangkan confidence digunakan untuk menentukan seberapa sering item di dalam Y muncul dalam transaksi yang berisi X. definisi formal untuk metrik asosiasi tersebut adalah sebagai berikut: Support,s(X Y)=..(1) Confidence,c(X Y)= Tabel 7. Daftar Frequent 2-Itemset Tabel 8. Daftar Calon Frequent 3-Itemset (2) Dimana N adalah jumlah transaksi dalam set data. Untuk X =[B,C], dan Y[D], jumlah transaksi yang berisi X Y=[B,C,D] ada 12, dan total jumlah transaksi N ada 119, sehingga support untuk aturan X Y menjadi s(x Y) = 12/119 = 0.1. sedangkan confidence aturan didapatkan dengan membagi jumlah X Y=[B,C,D] dengan jumlah support untuk X=[B,C],untuk Tabel 9. Daftar Frequent 3-Itemset (X Y) = 12, dan (X) = 43 sehingga confidence c(x Y) = 12/43 = 0.27=27% Tabel 10. Daftar Calon Frequent 4-Itemset
4 Dari Tabel 9 bahwa dengan 4 itemset tidak efisien dengan data impor yang ada. Sehingga rule penyusunan item produk berdasarkan 3-itemset saja, dalam hal ini penulis memilih support minimumnya adalah 0.07 = 7%, calon association rule akan diketahui dengan cara menghitung confidence berdasarkan nilai support dari frequent itemsetnya, ditunjuukan pada table 7,8,9. Keterangan : C = Confidence Tabel 13. Transaksi Ekspor. (3) Berdasarkan persamaan (3) maka didapatkan nilai confidence ditunjukkan pada Tabel 11. Tabel 11. Daftar Calon Association Impor Rule Berdasarkan persamaan (3) Dari daftar calon association rule di atas, pilih itemset yang mencapai nilai minimum support dan confidence. Dimana penulis memilih minconf 14%. Tabel 13 adalah tabel transaksi ekspor yang terjadi selama 1 bulan. Namun item produk yang terdapat di dalam transaksi ekspor telah diinisialisasikan oleh penulis agar mudah dalam proses perhitungan dengan metode association rules-nya. Inisialisasinya yaitu : A = Frozen Yellow Fin Tuna B = Crab Sheel Meal C = Crab Shell Flake Type D = Fresh Fish E = FROZEN Cuttlefish F = Frozen Soft Shell Crab G = Frozen Head on Black Tiger Prawn H = Frozen Head on Cat Tiger Prawn I = IQF Giant Octopus J=IQF Whole Cleaned Soft Cuttlefish Tabel 14. Representasi Biner untuk Data Transaksi Ekspor Tabel 12. Daftar Association Rule Impor Proses di atas adalah proses mining data secara manual dengan menggunakan data perusahaan Stasiun Karantina Ikan Kelas I Medan II, diambil data impor ikan pada bagian teknis untuk bulan februari Dari rule di atas dapat dilakukan penyusunan letak penyimpanan produk berdasarkan nilai support dan confidence yang telah melewati batas minimum support dan confindence. Dari data yang sudah ada, penulis melakukan scanning data dan membuat sampel data impor. Kemudian penulis melakukan mining dengan merancang aplikasi mining dengan hasil minimum support adalah 0.07 dan minimum confidence adalah 0.14 (14%). Data transaksi ekspor pada tabel 13 dapat diubah representasinya menjadi biner seperti pada tabel 14. setiap baris berkorelasi dengan transaski yang dilakukan; setiap kolom berkorelasi dengan satu item (produk). Nilai untuk item adalah 1 jika item tersebut ada di dalam data transaksi, atau 0 jika item tidak ada di dalam data transaksi. Untuk X =[H,I], dan Y[J], jumlah transaksi yang berisi X Y=[H,I,J] ada 20, dan total jumlah transaksi N ada 93, sehingga support untuk aturan X Y menjadi s(x Y) = 20/93 = sedangkan confidence aturan didapatkan dengan membagi jumlah X Y=[H,I,J]
5 dengan jumlah support untuk X=[H,I],untuk (X Y) = 20, dan (X) = 37 sehingga confidence c(x Y) = 20/37 = 0.54 = 54%. Berdasarkan persamaan (2) dari data transaksi ekspor yang dipakai sebagai sampel perhitungan data mining dengan association rule, maka diketahui support minimumnya sebesar 0.2, sehingga nilai supcount ditunjukkan pada Tabel 15,16,17. Tabel 15. Calon Frequent- 1 ItemSet Dari Tabel 20 di atas dapat ditentukan daftar calon association rule berdasarkan persamaan (3) maka didapatkan nilai confidence ditunjukkan pada Tabel 21. Tabel 21. Daftar Calon Association Ekspor Rule Dari daftar calon association rule di atas, pilih itemset yang mencapai nilai minconf-nya. Dimana penulis memilih nilai minimum confidencenya 54%, ditunjukkan pada Tabel 22. Tabel 22. Daftar Association Ekspor Rule Tabel 16. Daftar Frequent 1-Itemset Tabel 17. Calon Frequent 2-Itemset Dari daftar Tabel 17 pilih itemset yang memiliki nilai batas count support 0.2. Agar dike tahui daftar frequent-2 itemset, ditunjukkan pada Tabel 18dan 19 Tabel 18. Daftar Frequent 2-Itemset Proses di atas adalah proses mining data secara manual dengan menggunakan data perusahaan Stasiun Karantina Ikan Kelas I Medan II, diambil data ekspor ikan pada bulan februari Data ekspor tersebut penulis dapatkan dari petugas teknis. Dari rule di atas dapat dilakukan penyusunan letak penyimpanan produk berdasarkan nilai support dan confidence yang telah melewati batas minimum support dan confindence. Dari data yang sudah ada, penulis melakukan scanning data dan membuat sampel data ekspor. dengan jangkauan hasil minimum support adalah 0.2 dan minimum confidence adalah 0.54 (54%). Uji Coba Sistem Tabel 19. Daftar Calon Frequent 3-Itemset Gambar 1. Tampilan Hasil Uji Association Rule Mining Dari Tabel 19 di atas dapat dilihat yang dapat menjadi daftar frequent-3 itemset adalah H,I,J ( Frozen Head on Cat Tiger Prawn, IQF Giant Octopus dan IQF Whole Cleaned Soft Cuttlefish), ditunjukkan pada Tabel 20. Tabel 20. Daftar Frequent 3-Itemset Gambar 2. Tampilan Hasil Rules Association 3. Kesimpulan Dari hasil mining data impor produk yang terbanyak yang sering muncul dalam transaksi impor adalah
6 Frozen And Cooked Fish, Frozen Sea Fish, dan Frozen Aquatic Product. Sedangkan dari hasil mining ekspor yang terbanyak yang sering muncul dalam transaksi ekspor adalah Frozen Head On Cat TigerPrawn, IQF Giant Octopus, dan IQF Whole Cleaned Soft Cuttlefish dan nilai confidence dari produk impor paling besar adalah 90%. Begitu juga pada data ekspor terdapat aturan asosiasi rule yang memiliki nilai confidence 88% dapat dilihat pada gambar 1. Daftar Pustaka [1] [2] [3] Dian Wirdasari dan Ahmad Calam, 2011, Penerapan Data Mining Untuk Mengolah Data Penempatan Buku Di Perpustakaan SMK TI PAB 7 Lubuk Pakam Dengan Metode Association Rule, Jurnal, Medan, Universitas Sumatera Utara. Emha Taufik, Luthfi, 2009, Penerapan Data Mining Algoritma Asosiasi Untuk Meningkatkan Penjualan, jurnal, Yogyakarta, STMIK AMIKOM Yogyakarta Hermawati, Fajar Astuti, 2013, Data Mining, Surabaya Biodata Penulis Ratih Puspasari, memperoleh gelar Sarjana Komputer (S.Kom), Jurusan Sistem Informasi STMIK Potensi Utama, lulus tahun Memperoleh gelar Magister Komputer (M.Kom) Program Pasca Sarjana Magister Komputer UPI YPTK Padang, lulus tahun 2010.Saat ini menjadi Dosen di Universitas Potensi Utama. Irma Yanti Buluran, memperoleh gelar Sarjana Komputer (S.Kom), Jurusan Sistem Informasi Universitas Potensi Utama, lulus tahun
PENERAPAN TEKNIK DATA MINING UNTUK MENGELOMPOKKAN
PENERAPAN TEKNIK DATA MINING UNTUK MENGELOMPOKKAN EMAIL Ratih Puspasari1) 1) Manajemen Informatika Universitas Potensi Utama Jl.K.L. Yos Sudarso Km. 6,5 No. 3A Tanjung Mulia Medan Email : puspasariratih21@yahoo.com1)
Lebih terperinciBAB I PENDAHULUAN. Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan
BAB I PENDAHULUAN I.1. Latar Belakang Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang sangat akurat sangat dibutuhkan dalam kehidupan sehari hari, sehingga informasi akan
Lebih terperinciRANCANG BANGUN APLIKASI DATA MINING ANALISIS TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus Di Politeknik Negeri Malang)
RANCANG BANGUN APLIKASI DATA MINING ANALISIS TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus Di Politeknik Negeri Malang) Naufal Farras Hilmy 1, Banni Satria Andoko 2 Program Studi Teknik
Lebih terperinciAbstrak. Data Mining, Algoritma Apriori, Algoritma FP-Growth, Mata Pelajaran, Pemrograman, Web Programming, Matematika, Bahasa Inggris.
Penerapan Algoritma Apriori dan Algoritma FP-Growth Dalam Menemukan Hubungan Data Nilai Ijazah Matematika dan Bahasa Inggris Dengan Nilai Mata Pelajaran Pemrograman dan Web Programming (Studi Kasus SMK
Lebih terperinciPENERAPAN ASSOCIATION RULE MINING PADA DATA NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN
PENERAPAN ASSOCIATION RULE MINING PADA DATA NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN A M I UNTUK R U D D PENETAPAN I N POLA SERTFIKASI GURU Program Pascasarjana rusan Teknik Elektro Program Studi Telematika
Lebih terperinciTimor Setiyaningsih, Nur Syamsiah Teknik Informatika Universitas Darma Persada. Abstrak
DATA MINING MELIHAT POLA HUBUNGAN NILAI TES MASUK MAHASISWA TERHADAP DATA KELULUSAN MAHASISWA UNTUK MEMBANTU PERGURUAN TINGGI DALAM MENGAMBIL KEBIJAKAN DALAM RANGKA PENINGKATAN MUTU PERGURUAN TINGGI Timor
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISIS PENJUALAN BARANG DENGAN MENGGUNAKAN METODE APRIORI PADA SUPERMARKET SEJAHTERA LHOKSEUMAWE
PENERAPAN DATA MINING UNTUK MENGANALISIS PENJUALAN BARANG DENGAN MENGGUNAKAN METODE APRIORI PADA SUPERMARKET SEJAHTERA LHOKSEUMAWE Nurdin, Dewi Astika Program Studi Teknik Informatika Universitas Malikussaleh
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM MENENTUKAN STRATEGI PENJUALAN MAKANAN RINGAN (Studi Kasus: Toko Pak Herry Templek - Gadungan)
PENERAPAN ALGORITMA APRIORI DALAM MENENTUKAN STRATEGI PENJUALAN MAKANAN RINGAN (Studi Kasus: Toko Pak Herry Templek - Gadungan) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciPENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING
PENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING Andreas Chandra Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email : andreaschaandra@yahoo.com
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI. yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup banyak digunakan, antara lain
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Penelitian ini menggunakan beberapa sumber pustaka yang berhubungan dengan kasus yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup
Lebih terperinciDATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI
DATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI Heroe Santoso 1), I Putu Hariyadi 2), Prayitno 3) 1), 2),3) Teknik Informatika STMIK Bumigora Mataram Jl Ismail Marzuki
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA
PENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA Domma Lingga Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciLili Tanti. STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km. 6,5 No. 3A Tj. Mulia Medan ABSTRACT
Lili, Penerapan Data Mining Untuk 35 PENERAPAN DATA MINING UNTUK MENENTUKAN JUMLAH MAHASISWA PADA SATU DAERAH DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI Lili Tanti Email : lili@potensi-utama.ac.id STMIK
Lebih terperinciMetodologi Algoritma A Priori. Metodologi dasar algoritma a priori analisis asosiasi terbagi menjadi dua tahap :
Metodologi Algoritma A Priori 1 Kusrini, 2 Emha Taufiq Luthfi 1 Jurusan Sistem Informasi, 2 Jurusan Teknik Informatika 1, 2 STMIK AMIKOM Yogykakarta 1,2 Jl. Ringroad Utara Condong Catur Sleman Yogyakarta
Lebih terperinciEdisi Juli 2015 Volume IX No. 2 ISSN
ANALISA POLA ASOSIASI JALUR MASUK TERHADAP KELULUSAN MAHASISWA DENGAN MENGGUNAKAN METODE FOLD-GROWTH (STUDI KASUS FAKULTAS SAINS DAN TEKNOLOGI) Mohamad Irfan Jurusan Teknik Informatika, Fakultas Sains
Lebih terperinciANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN
ANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN Chintia Oktavia Simbolon (0911456) Mahasiswa Program Studi Teknik Informatika,
Lebih terperinciANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA)
ANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA) Harvei Desmon Hutahaean 1, Bosker Sinaga 2, Anastasya Aritonang Rajagukguk 2 1 Program
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari kebutuhan akan informasi yang akurat sangat dibutuhkan dalam perkembangan masyarakat saat ini dan waktu mendatang. Namun kebutuhan informasi
Lebih terperinciAPLIKASI MONITORING KETERSEDIAAN STOK BARANG MINIMARKET DENGAN METODE MARKET BASKET ANALYSIS (MBA)
Seminar Nasional Teknologi Informasi dan Multimedia 2016 APLIKASI MONITORING KETERSEDIAAN STOK BARANG MINIMARKET DENGAN METODE MARKET BASKET ANALYSIS (MBA) Sugiyatno 1), Adhika Pramita Widyasari 2) 1),
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan ritel yang menyediakan berbagai kebutuhan berkembang pesat bukan hanya di kota besar saja tetapi juga di kota-kota kecil. Untuk memperoleh keuntungan yang
Lebih terperinciANALISIS ALGORITMA APRIORI UNTUK REKOMENDASI PENEMPATAN BUKU PADA PERPUSTAKAAN
1 ANALISIS ALGORITMA APRIORI UNTUK REKOMENDASI PENEMPATAN BUKU PADA PERPUSTAKAAN 1 Uma Mazida, 2 Ricardus Anggi Pramunendar, M.Cs Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas
Lebih terperinciSISTEM REKOMENDASI PEMESANAN SPAREPART DENGAN ALGORITMA FP-GROWTH (STUDI KASUS PT. ROSALIA SURAKARTA)
SISTEM REKOMENDASI PEMESANAN SPAREPART DENGAN ALGORITMA FP-GROWTH (STUDI KASUS PT. ROSALIA SURAKARTA) Nur Rohman Ardani 1), Nur Fitrina 2) 1) Magister Teknik Informatika STMIK AMIKOM Yogyakarta 2) Teknik
Lebih terperinciBAB 2 LANDASAN TEORI. Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun.
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas tentang konsep dasar dan teori-teori pendukung yang berhubungan dengan sistem yang akan dibangun. 2.1. Data Mining Data mining adalah suatu istilah yang digunakan
Lebih terperinciANALISA ALGORITMA APRIORI UNTUK MENENTUKAN MEREK PAKAIAN YANG PALING DIMINATI PADA MODE FASHION GROUP MEDAN
ANALISA ALGORITMA APRIORI UNTUK MENENTUKAN MEREK PAKAIAN YANG PALING DIMINATI PADA MODE FASHION GROUP MEDAN Eka Novita Sari (0911010) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciLink Analysis (Superset) 3 Kategori Link Analysis (#1) 3 Kategori Link Analysis (#2) Association Rule Mining. 3 Kategori Link Analysis (#3)
Knowledge Discovery in Databases (IS704) dan Data Mining (CS704) Kuliah #7: Association Rules Mining (Bagian 1) Gunawan Jurusan Teknik Informatika Link Analysis (Superset) Tujuan: Mencari hubungan antara
Lebih terperinciABSTRAKSI Analisis keranjang pasar merupakan suatu cara untuk mengetahui kebiasaan berbelanja masyarakat disuatau tempat terhadap barang yang dibeli.
ANALISIS KERANJANG PASAR MENGGUNAKAN ALGORTIMA PREDICTIVE APRIORI UNTUK MENEMUKAN ATURAN ASOSIASI DI APOTEK SEHAT JAYA 1.NINDITYA KHARISMA ninditya@student.gunadarma.ac.id 2.METTY MUSTIKASARI metty@staff.gunadarma.ac.id
Lebih terperinciBAB I PENDAHULUAN. mereka dan juga agar bertahan dalam persaingan. Kedai Kopi Uleekareng dan Gayo merupakan sebuah kedai yang bergerak
BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan teknologi yang cukup pesat telah memberikan pengaruh yang sangat besar di dalam kehidupan manusia. Dalam persaingan dunia bisnis sekarang ini menuntut
Lebih terperinciABSTRACT Market basket analysis is a way to know the shopping habits of people in one place on goods purchased. Market basket analysis to produce an a
ANALISIS KERANJANG PASAR MENGGUNAKAN ALGORTIMA PREDICTIVE APRIORI UNTUK MENEMUKAN ATURAN ASOSIASI DI APOTEK SEHAT JAYA NINDITYA KHARISMA, METTY MUSTIKASARI Undergraduate Program, Information Systems Gunadarma
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, perkembangan teknologi telah memberikan pengaruh yang sangat besar di dalam kehidupan manusia. Salah satu pengaruh tersebut di bidang informasi yaitu dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1. Definisi Data Data adalah segala fakta, angka, atau teks yang dapat diproses oleh komputer. Saat ini, akumulasi pertumbuhan jumlah data berjalan dengan cepat dalam format
Lebih terperinci1 BAB I 2 PENDAHULUAN
1 BAB I 2 PENDAHULUAN 1.1 Latar Belakang Data mining merupakan salah satu bidang ilmu yang berupaya untuk menemukan kaidah, pola, model, maupun informasi yang bersifat menarik dari sekumpulan data. Salah
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Begitu banyaknya fungsionalitas dalam penggalian data terkadang membuat kita harus memilih secara seksama. Pemilihan fungsionalitas yang tepat dalam melakukan suatu penggalian
Lebih terperinciASSOCIATION RULES PADA TEXT MINING
Budi Susanto ASSOCIATION RULES PADA TEXT MINING SUSANTO 1 Tujuan Memahami algoritma Apriori dan FP- Growth Memahami penerapannya pada penambangan dokumen Memamahmi algoritma GSP Memahami penerapannya pada
Lebih terperinciBAB II TINJAUAN PUSTAKA. Turban mendefinisikan Decision Support System sebagai sekumpulan
BAB II TINJAUAN PUSTAKA 2.1 Decision Support System Turban mendefinisikan Decision Support System sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para pengambilan
Lebih terperinciAnalisis Tingkat Kecelakaan Lalu Lintas dengan Metode Association Rule Menggunakan Algoritma Apriori
Analisis Tingkat Kecelakaan Lalu Lintas dengan Metode Association Rule Menggunakan Algoritma Apriori Wardiman Alimuddin 1), Eddy Tungadi 2, Zawiyah Saharuna 3) email: Bz.diman@gmail.com 1) e_tungadi@yahoo.com
Lebih terperinciSISTEM REKOMENDASI PAKET MAKANAN DENGAN ALGORITMA FP-GROWTH PADA RESTORAN SEAFOOD XYZ
SISTEM REKOMENDASI PAKET MAKANAN DENGAN ALGORITMA FP-GROWTH PADA RESTORAN SEAFOOD XYZ Pahridila Lintang 1),Muhammad Iqbal 2), Ade Pujianto 3) 1), 2, 3) Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring
Lebih terperinciIMPLEMENTASI DATA MINING TERHADAP PENYUSUNAN LAYOUT MAKANAN PADA RUMAH MAKAN PADANG MURAH MERIAH
IMPLEMENTASI DATA MINING TERHADAP PENYUSUNAN LAYOUT MAKANAN PADA RUMAH MAKAN PADANG MURAH MERIAH Oliver Zakaria 1), Kusrini 2) 1) Teknik Informatika STMIK AMIKOM Yogyakarta Jl. Ring Road Utara Condong
Lebih terperinciAPLIKASI ROUGH SET UNTUK MEMPREDIKSI PRESTASI CALON ANGGOTA KELOMPOK PROGRAMMING (STUDI KASUS : STMIK PELITA NUSANTARA)
APLIKASI ROUGH SET UNTUK MEMPREDIKSI PRESTASI CALON ANGGOTA KELOMPOK PROGRAMMING (STUDI KASUS : STMIK PELITA NUSANTARA) Muhammad Romi Syahputra Teknik Informatika STMIK Pelita Nusantara Medan, Jl. Iskandar
Lebih terperinciIMPLEMENTASI ALGORITMA FP- GROWTH MENGGUNAKAN ASSOCIATION RULE PADA MARKET BASKET ANALYSIS
IMPLEMENTASI ALGORITMA FP- GROWTH MENGGUNAKAN ASSOCIATION RULE PADA MARKET BASKET ANALYSIS Fitriyani Fakultas Teknik, Universitas BSI Bandung Jalan Sekolah Internasional No. 1-6, Bandung 40282, Indonesia
Lebih terperinciPENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-TREE DAN FP-GROWTH PADA DATA TRANSAKSI PENJUALAN OBAT Yuyun Dwi Lestari Program Studi Teknik Informatika, Sekolah Tinggi Teknik Harapan Jl. H. M. Jhoni No.
Lebih terperinciPERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK PEREKOMENDASI PADA TRANSAKSI PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO
PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK PEREKOMENDASI PADA TRANSAKSI PEMINJAMAN BUKU DI PERPUSTAKAAN UNIVERSITAS DIAN NUSWANTORO Rizky Mei Anggraeni Program Studi Teknik Informatika,
Lebih terperinciIMPLEMENTASI DATA MINING PADA PENJUALAN TIKET PESAWAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Jumbo Travel Medan)
IMPLEMENTASI DATA MINING PADA PENJUALAN TIKET PESAWAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Jumbo Travel Medan) Sri Rahayu Siregar ( 0911882) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Apriori merupakan salah satu algoritma yang terkenal dalam mencari frequent pattern dari database transaksi[8]. Prinsip dari algortima Apriori ini adalah jika sebuah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam periode enam tahun terakhir (tahun 2007 2012), jumlah gerai ritel modern di Indonesia mengalami pertumbuhan rata-rata 17,57% per tahun. Pada tahun 2007, jumlah
Lebih terperinciJurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika V1.i1(52-62)
Analisa Pola Peminjaman Buku Perpustakaan Menggun Algoritma Apriori Azwar Anas Program Studi Pendidikan Informatika, STKIP PGRI Sumbar aans_07@yahoo.co.id http://dx.doi.org/10.22202/jei.2014.v1i1.1439
Lebih terperinciBAB II TINJAUAN PUSTAKA. pengetahuan di dalam database. Data mining adalah proses yang menggunakan
6 BAB II TINJAUAN PUSTAKA 2.1 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan dan persaingan dalam dunia bisnis perdagangan serta kemajuan teknologi informasi merupakan suatu hal yang saling terkait, dalam ketatnya persaingan pasar
Lebih terperinciPENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI
PENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI Fitri Nurchalifatun Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Jl.
Lebih terperinciAPLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI
APLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI Budanis Dwi Meilani, dan Dermawan Cahyo Utomo Jurusan Teknik Informatika, Fakultas
Lebih terperinciANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA 1.
ANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA M. Didik R. Wahyudi 1) Fusna Failasufa 2) 1) 2) Teknik Informatika FST UIN Sunan Kalijaga
Lebih terperinciKata kunci: aplikasi data mining, Association Rule, Apriori, genre lagu, Radio
Aplikasi Data Mining Perhitungan Frekuensi Data Pemutaran lagu dengan metode Association Rule Menggunakan Algoritma Apriori (studi kasus Radio Republik Indonesia ( RRI ) Semarang) Hendra Andhyka Program
Lebih terperinciJURNAL IPTEKS TERAPAN Research of Applied Science and Education V10.i2 (81-85)
IMPLEMENTASI ALGORITMA APRIORI DALAM MENENTUKAN PROGRAM STUDI YANG DIAMBIL MAHASISWA Ahmad Fikri Fajri Sistem Informasi, STMIK Jayanusa, Padang, Sumatera Barat, Kode Pos : 25116 email: fajri.bayang@gmail.com
Lebih terperinciSKRIPSI TI S1 FIK UDINUS 1
SKRIPSI TI S FIK UDINUS PENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA TEKNIK INFORMATIKA S FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
Bab 1 Pendahuluan BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada era globalisasi saat ini, perkembangan teknologi tidak dapat dihindarkan dalam kehidupan manusia. Perkembangan teknologi yang ada, memiliki
Lebih terperinciIMPLEMENTASI DATA MINING PADA PENJUALAN PRODUK ELEKTRONIK DENGAN ALGORITMA APRIORI (STUDI KASUS : KREDITPLUS)
IMPLEMENTASI DATA MINING PADA PENJUALAN PRODUK ELEKTRONIK DENGAN ALGORITMA APRIORI (STUDI KASUS : KREDITPLUS) Dewi Kartika Pane (0911801) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1 Tinjauan Perusahaan CV. Aldo Putra berlokasi di Jalan Pasar Induk Gedebage No. 89/104 Bandung, bergerak dibidang grosir pakaian jadi impor. Barang yang dijual di CV. Aldo Putra
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Aplikasi Data Mining Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik
Lebih terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini membahas tentang landasan teori yang medukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Data Mining Data mining adalah kegiatan menemukan
Lebih terperinciMining Association Rules dalam Basis Data yang Besar
Mining Association Rules dalam Basis Data yang Besar S1 Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Maranatha Agenda Pendahuluan Association Rule Mining Market Basket Analysis Konsep
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah Proses yang menggunakan
Lebih terperinciPENERAPAN DATA MINING UNTUK MENDISKRIPSIKAN TINGKAT KREDIT BERMASALAH PADA BANK
PENERAPAN DATA MINING UNTUK MENDISKRIPSIKAN TINGKAT KREDIT BERMASALAH PADA BANK Rizky Fajar Nugraha Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Semarang ABSTRAK Pertumbuhan yang pesat dari akumulasi
Lebih terperinciAPLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang)
Hapsari Dita Anggraeni, Ragil Saputra, Beta Noranita APLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang) Hapsari Dita
Lebih terperinciPERSYARATAN PRODUK. 1.1 Pendahuluan Latar Belakang Tujuan
BAB 1 PERSYARATAN PRODUK Bab ini membahas mengenai hal umum dari produk yang dibuat, meliputi tujuan, ruang lingkup proyek, perspektif produk, fungsi produk dan hal umum yang lainnya. 1.1 Pendahuluan Hal
Lebih terperinciPola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth
Pola Kompetensi Mahasiswa Program Studi Informatika Menggunakan FP-Growth Fitrah Rumaisa, S.T., M.Kom Prodi Teknik Informatika, Fakultas Teknik, Universitas Widyatama E-Mail: fitrah.rumaisa@widyatama.ac.id
Lebih terperinciPenerapan Data Mining Untuk Analisis Pola Pembelian Produk Pada Clapper Movie Café Menggunakan Metode Association Rule
Penerapan Data Mining Untuk Analisis Pola Pembelian Produk Pada Clapper Movie Café Menggunakan Metode Association Rule Alffeus Gantari Ganeffo Program Studi Teknik Informatika, Universitas Dian Nuswantoro
Lebih terperinciPENERAPAN METODE C4.5 DALAM MENENTUKAN STATUS DIET
Seminar Nasional Teknologi Informasi dan Multimedia 2016 PENERAPAN METODE C4.5 DALAM MENENTUKAN STATUS DIET Edy Victor Haryanto Universitas Potensi Utama Jl. K. L. Yos Sudarso Km 6,5 No 3 A Tanjung Mulia
Lebih terperinciAssocation Rule. Data Mining
Assocation Rule Data Mining Association Rule Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan assosiatif antara suatu kombinasi item. Aturan yang menyatakan
Lebih terperinciANALISA POLA DATA PENYAKIT RUMAH SAKIT DENGAN MENERAPKAN METODE ASSOCIATION RULE MENGGUNAKAN ALGORITMA APRIORI
Seminar Nasional Informatika ANALISA POLA DATA PENYAKIT RUMAH SAKIT DENGAN MENERAPKAN METODE ASSOCIATION RULE MENGGUNAKAN ALGORITMA APRIORI Harris Kurniawan, Fujiati, Alfa Saleh STMIK Potensi Utama Jl.
Lebih terperinciBAB I PENDAHULUAN. frekuensi tinggi antar himpunan itemset yang disebut fungsi Association
1 BAB I PENDAHULUAN 1.1 Latar Belakang Belakangan ini data mining telah diimplementasikan keberbagai bidang, diantaranya dalam bidang bisnis atau perdangangan, dan telekomunikasi. Data Mining diartikan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah Identifikasi Masalah Masalah Umum
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.1.1 Identifikasi Masalah 1.1.1.1. Masalah Umum Situasi kondisi perekonomian yang ada pada saat ini menunjukkan adanya perkembangan dunia usaha semakin pesat
Lebih terperinciAnalisa Data Mining Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Restoran Joglo Kampoeng Doeloe Semarang
Analisa Data Mining Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Restoran Joglo Kampoeng Doeloe Semarang Tia Arifatul Maulida Fakultas Ilmu Komputer, Universitas Dian Nuswantoro,
Lebih terperinciPENGGALIAN KAIDAH MULTILEVEL ASSOCIATION RULE DARI DATA MART SWALAYAN ASGAP
PENGGALIAN KAIDAH MULTILEVEL ASSOCIATION RULE DARI DATA MART SWALAYAN ASGAP Teguh Pradana 1) 1) Program Studi/Prodi Teknik Informatika, STMIK Yadika, email: INTI_PERSADA_SOFTWARE@yahoo.co.id Abstrak: Perkembangan
Lebih terperinciManajemen Data. Dosen : Dr. Yan Rianto Rini Wijayanti, M.Kom Nama : Yoga Prihastomo NIM :
Manajemen Data Dosen : Dr. Yan Rianto Rini Wijayanti, M.Kom Nama : Yoga Prihastomo NIM : 1011601026 MAGISTER ILMU KOMPUTER UNIVERSITAS BUDI LUHUR 2011 DIT TI / DJHKI SKPL-DJHKI-01.04.2011.xx Halaman 0
Lebih terperinciPEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI
PEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI Fana Wiza Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Lancang Kuning
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Untuk dapat meningkatkan penjualan, pengambil keputusan / manajer toko harus dapat memperhatikan faktor-faktor yang mempengaruhi secara langsung. Salah satu
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1 Analisis Permasalahan Keputusan selama ini yang dilakukan oleh Toko Buku Sembilan Wali Medan untuk menentukan buku apa saja yang paling potensial dijual berdasarkan
Lebih terperinciBAB I PENDAHULUAN. yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia adalah salah satu negara dengan pertumbuhan pasar e-commerce yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang besar tersebut membuat
Lebih terperinci2.2 Data Mining. Universitas Sumatera Utara
Basis data adalah kumpulan terintegrasi dari occurences file/table yang merupakan representasi data dari suatu model enterprise. Sistem basisdata sebenarnya tidak lain adalah sistem penyimpanan-record
Lebih terperinciPengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket
Pengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket Gunawan 1), Alex Xandra Albert Sim 2), Fandi Halim 3), M. Hawari Simanullang 4), M. Firkhan
Lebih terperinciPENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN
PENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN SKRIPSI Diajukan untuk memenuhi salah satu syarat guna memperoleh gelar Sarjana Komputer (S.Kom)
Lebih terperinciPENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA
PENERAPAN ALGORITMA APRIORI ASSOCIATION RULE UNTUK ANALISA NILAI MAHASISWA DI UNIVERSITAS GUNADARMA Margi Cahyanti 1), Maulana Mujahidin 2), Ericks Rachmat Swedia 3) 1) Sistem Informasi Universitas Gunadarma
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Sistem Informasi Manajemen Mcleod R dan Schell G, (2004) membagi sumber daya menjadi dua bagian yaitu sumberdaya fisikal dan sumberdaya konseptual. Sumber daya fisikal terdiri
Lebih terperinciPENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA
PENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA Winda Aprianti 1), Jaka Permadi 2), Oktaviyani 3) 1)2)3) Teknik Informatika, Politeknik Negeri Tanah Laut Jl. A. Yani Km. 06
Lebih terperinciBAB II TINJAUAN PUSTAKA. mewakilkan objek dan peristiwa yang memiliki arti dan sangat penting bagi
BAB II TINJAUAN PUSTAKA 2.1. Pengertian Data Data belum dapat dika/takan mempunyai makna penting atau informasi bagi penerima sebelum dilakukan pengolahan data. Data adalah fakta yang dapat dicatat dan
Lebih terperinciAssociation Rule Mining Data Peminjaman Perpustakaan Menggunakan Apriori dan Jaccard Similarity
Association Rule Mining Data Peminjaman Perpustakaan Menggunakan Apriori dan Jaccard Similarity Muhammad Hezby Al Haq Program Studi Informatika Universitas Sebelas Maret Jl. Ir. Sutami No. 36 A, Surakarta
Lebih terperinciANALISIS KINERJA DOSEN STMIK IBBI DENGAN MENGGUNAKAN METODE ROUGH SET
ANALISIS KINERJA OSEN STMIK IBBI ENGAN MENGGUNAKAN METOE ROUGH SET edy Hartama 1), Hartono 2) 1), 2) Program Studi S-3 Ilmu Komputer, Universitas Sumatera Utara Medan, Indonesia Jalan Alumni No 9 Kampus
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan suatu prosedur beserta tahapan-tahapan yang
BAB III METODE PENELITIAN Metode penelitian merupakan suatu prosedur beserta tahapan-tahapan yang tersusun secara jelas dan sistematis guna menyelesaikan suatu permasalahan yang sedang diteliti dengan
Lebih terperinciASSOCIATION RULES PADA TEXT MINING
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 ASSOCIATION RULES PADA TEXT MINING Budi Susanto versi 1.2 Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami algoritma Apriori dan FP-Growth
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II.1. Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB I PENDAHULUAN. Data mining memungkinkan penemuan pola-pola yang menarik, informasi yang
1 BAB I PENDAHULUAN Bab pendahuluan ini membahas tentang latar belakang masalah yaitu fenomena perkembangan data yang terus bertambah tetapi informasi yang dihasilkan monoton, sehingga diperlukan data
Lebih terperinciANALISIS MARKET BASKET DENGAN ALGORITMA APRIORI (STUDY KASUS TOKO ALIEF)
ANALISIS MARKET BASKET DENGAN ALGORITMA APRIORI (STUDY KASUS TOKO ALIEF) Hernawati STMIK Nusa Mandiri Jl. Kramat Raya No. 18 Rt. 01/Rw. 07 Kwitang, Senen, Jakarta Pusat watiherna27@gmail.com ABSTRAK Dalam
Lebih terperinciBAB I PENDAHULUAN. mahasiswa yang seringkali meminjam buku harus mencari sendiri dirak rak
BAB I PENDAHULUAN I.1 Latar Belakang Perpustakaan merupakan salah satu fasilitas penyedia informasi,sumber ilmu pengetahuan,dan sarana penunjang proses kegiatan belajar bagi pengguna untuk mendapatkan
Lebih terperinciANALISA PENCARIAN FREQUENT ITEMSETS MENGGUNAKAN ALGORITMA FP-MAX
ANALISA PENCARIAN FREQUENT ITEMSETS MENGGUNAKAN ALGORITMA FP-MAX Suhatati Tjandra Dosen Teknik Informatika Sekolah Tinggi Teknik Surabaya e-mail : tati@stts.edu ABSTRAK Association rule mining merupakan
Lebih terperinciBAB I PENDAHULUAN. baik. Maka para pengelola harus mencermati pola-pola pembelian yang dilakukan
BAB I PENDAHULUAN I.1. Latar Belakang Jumlah pasar swalayan yang terus berkembang membuat para pengelolaswalayan juga dituntut untuk menerapkan strategi pemasaran yang lebih baik. Maka para pengelola harus
Lebih terperinciDATA MINING UNTUK ANALISA PENJUALAN KERIPIK UD MARTOP PRATAMA MENGGUNAKAN ALGORITMA APRIORI
DATA MINING UNTUK ANALISA PENJUALAN KERIPIK UD MARTOP PRATAMA MENGGUNAKAN ALGORITMA APRIORI SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi
Lebih terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
Lebih terperinciBAB I PENDAHULUAN. dalam suatu sistem basis data melalui aplikasi sistem informasi manajemen. Dari
BAB I PENDAHULUAN I.1. Latar Belakang Persaingan yang semakin ketat dalam penjualan menuntut para pebisnis untuk menemukan suatu strategi yang dapat meningkatkan penjualan dan pemasaran produk yang dijual,
Lebih terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
APLIKASI DATA MINING MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI BERBASIS WEB PADA PERPUSTAKAAN DI SMA NEGERI 1 BUNGURSARI Tumini 1), Endro Lestanto 2) 1) Program Studi Teknik Informatika,
Lebih terperinci